python3.6爬虫新手实例（1）爬路由器流量写入txt
环境交代：Win+Python3.6
本人刚学python没多久，和各位大神相比，会写的更简单甚至繁琐一些，当时也会比较适合同为新手的各位。
首先我们对自己的需求要进行分析，新手嘛，先把复杂的东西简单化，模块化，整理出思路，再一步步的去实现，最后整合。
-
获得数据
- 网页编码，编码没有处理好会报错，涉及到一些函数
- 编码转换，你获取到的如果非字符串类型，要预先进行处理
-
处理数据
- 方法有很多，正则，字符串截取，等等不一一介绍，适合的才是最好的，我觉得正则是很强大的，但是也是相当反人类的
-
保存数据
- 注意win下路径和linux下路径写法不同
- 写入的编码类型需要进行处理
重点讲一讲我遇到的坑
一般来讲右键查看页面编码，如图所示，因为在国外是非常奇怪的编码
image.png
当时我就蒙蔽了，这是什么鬼~
这个时候我们需要用到chardet库来判断编码类型，拿百度举例，自行百度python第三方库如何安装，这里不做阐述
import chardet
import urllib.request
html = urllib.request.urlopen('http://www.baidu.com/').read()
print (chardet.detect(html))
得到的结果如下：
C:\python\python.exe D:/python/test/2.py
{'encoding': 'ISO-8859-1', 'confidence': 0.99, 'language': ''}
Process finished with exit code 0
1.取得字符串
import urllib.request
import os
from bs4 import BeautifulSoup
import time
def getHtml(url):
html = urllib.request.urlopen(url).read()
return html
#获取字符串，因为我在国外，路由器low到爆，编码格式也蛋疼了我很久
html = getHtml("http://192.168.0.254/pub/fbx_info.txt")
#将read()获取的是bytes编码转化成str
html = html.decode("ISO-8859-1")
因为是欧洲网站，获取的却是一个 【ISO-8859-1】的网页编码。
由于这里我们用read()方法读取，获取到的是bytes类型，此时需要转换成str类型的，才可以进行下一步的处理，如果不处理就会有下列错误
TypeError: a bytes-like object is required, not 'str'
这里可以使用decode()方法处理一下
html = html.decode("ISO-8859-1")
使用type()方法检测下编码
print(type(html))
反馈
<class 'str'>
2.处理字符串
#操作字符串
html = html.split('WAN')[1].split('Ethernet')[0]
time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
#因为使用记事本，在记事本中换行只认\r\n
str = time+html+"\r\n"
这里我使用的是split()方法，使用方法呢，推荐大家学会查手册，这里也不详细再解释了。
我通过split()方法截取到了自己需要的字符串，然后用time()函数获取当前本地时间，然后用+连接符把当前本地时间和处理后的字符串连接起来，再在末尾接上换行符\r\n，因为懒到只用记事本，换行符这里只算一个小坑
3.写入txt
# 保存文件为txt，win环境路径
outfile = open("C:\\Users\\sw\\Desktop\\route.txt","a+",encoding="utf-8",newline='\n')
outfile.write(str)
outfile.close()
print("文件已保存到本地")
关于open函数，每一个参数，此篇博文讲的非常清楚非常详细，感谢博主的整理，大家可以看看，建议收藏
http://blog.csdn.net/doiido/article/details/43675465
要强调的有2个参数
encoding和newline，因为用的比较少，然后很多文章并不会提到
有人可能会说，哇，真的懒
没错，我就是懒，而且再说了，写了还没人家写的好，那我何必误人子弟。
下面贴上全部代码
import urllib.request
import os
from bs4 import BeautifulSoup
import time
def getHtml(url):
html = urllib.request.urlopen(url).read()
return html
#获取字符串，因为我在国外，路由器low到爆，编码格式也蛋疼了我很久
html = getHtml("http://192.168.0.254/pub/fbx_info.txt")
#将read()获取的是bytes编码转化成str
html = html.decode("ISO-8859-1")
#再次检测编码
#print(type(html))
#操作字符串
html = html.split('WAN')[1].split('Ethernet')[0]
time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
#因为使用记事本，在记事本中换行只认\r\n
str = time+html+"\r\n"
# 保存文件为txt，win环境路径
#print(type(str))
outfile = open("C:\\Users\\sw\\Desktop\\route.txt","a+",encoding="utf-8",newline='\n')
outfile.write(str)
outfile.close()
print("文件已保存到本地")
本来当初的想法是每秒获取一次流量，写入txt，再读txt，通过数据来绘图
但是有事暂时搁下了，只是win计划任务定时运行，勉强凑活用下日后再学习补充
